「この音、いつもと違う気がするけど、止めるべきか判断できない」——製造現場でモーターの保全担当者がもっとも悩むのは、この「グレーゾーン」の音だ。正常音と異常音の境界は思いのほか曖昧であり、経験の浅い担当者には判断が難しい。
本記事では、電動モーターの代表的な異音パターンとその原因、正常音との見分け方、そして周波数分析やAI診断を使った客観的な判断方法を解説する。
モーターから発生する「正常音」とは何か
電動モーターが正常に稼働しているとき、完全な無音にはならない。回転する軸とベアリングの摩擦、冷却ファンの風切り音、電磁力による微細な振動——これらが重なった音が正常運転音だ。
正常音の特徴は以下の3点に集約される。
- 一定の回転数において音質・音量が安定している
- 急激な音の変化がない（負荷変動に伴う緩やかな変化はある）
- 周波数成分が回転数の整数倍（基本周波数と高調波）に集中している
逆に言えば、音質が変わった、音量が増した、不規則な成分が加わった——これらが異常のサインだ。「いつもと違う」という現場担当者の感覚は、実際に科学的根拠を持っている。
代表的な異音パターンと原因
電動モーターの異音は、発生箇所によっておおよそ分類できる。以下に代表的なパターンをまとめる。
| 音の種類 | 音の特徴 | 主な原因箇所 |
|---|---|---|
| ゴロゴロ・コロコロ | 低音で周期的 | ベアリング軌道面の傷・摩耗 |
| キーン・キュルキュル | 高音で連続的 | グリス不足・潤滑劣化 |
| ジャー・ザー | 砂のような音 | ベアリングへのゴミ混入 |
| カン・カーン | 金属的な衝突音 | 軌道輪の変形・ミスアライメント |
| ブーン（電磁音） | 電源周波数の2倍（100/120Hz） | 固定子コアの緩み・電磁不平衡 |
| ピー・ホー | 高周波の鳴き | 共振・固有振動数との一致 |
ベアリング系の異音
最も多いのがベアリング由来の異音だ。ベアリング内部の鋼球・軌道面・保持器それぞれに異なる損傷モードがあり、損傷の種類によって異音のパターンも異なる。
グリス不足による潤滑不良は高音のキーン音として現れる。軌道面に傷が入るとゴロゴロという低音の周期音になる。ゴミが混入するとジャーという粗い音に変化する。これらは段階的に進行することが多く、初期は小さな音の変化から始まる。
NTNの技術資料によると、ベアリングの適正グリス充填量はベアリング空間の30〜40%程度が基準であり、充填過多はかえって発熱と劣化を招く。定期的なグリス補給は異音予防の基本だ。
電磁音（100/120Hz系）
モーターのブーンという唸り音は、多くの場合、電源周波数（50/60Hz）の2倍の成分を持つ電磁音だ。固定子コアの締め付け緩み、電圧不平衡、固定子巻線の不良などが原因として考えられる。
電磁音は機械的な損傷ではなく電気的な問題に起因するため、外観点検だけでは原因を特定しにくい。電源電圧の測定と、負荷を切った状態でのモーター単体での確認が有効だ。
共振・異常振動による音
特定の回転数域でのみ異音が出る場合、設備の固有振動数と回転数が一致する「共振」が疑われる。この場合、モーター自体に問題がなくても取り付け台やカップリングの剛性不足が原因になる。
正常音と異常音を区別するための判断基準
現場で実践できる判断フローを示す。
1. 音の発生タイミングを確認する
起動時にのみ出る音か、定常運転中も継続するか。起動時の一時的な音（慣性負荷が大きい場合など）は正常範囲のことが多い。定常運転中に継続する異音は要注意だ。
2. 音の変化速度を確認する
数日で急激に悪化しているなら緊急性が高い。数ヶ月をかけて徐々に大きくなっているなら、計画的な対処が可能だ。
3. 温度と振動を合わせて確認する
異音が出ているモーターは、多くの場合、表面温度の上昇や振動の増加を伴う。ISO 10816では回転機械の振動速度の許容値が規定されており、管理基準の参考になる。
4. 聴診棒を使って発生箇所を絞る
ドライバーの柄を軸受部に当てて耳に近づける、あるいは市販の聴診棒を使うことで、音の発生箇所を特定しやすくなる。複数の軸受から発生しているか、一箇所からだけかで原因の絞り込みが変わる。
📱 PlantEar → 👉 無料で試す
スマートフォンでモーター音を録音するだけで、AIが異常の予兆を検知する。正常・異常の判断を客観的なデータで裏付けたいなら、GenbaCompassのPlantEarが役立つ。
周波数分析が異音診断を変える
熟練技術者の「耳」による診断は経験に依存するが、周波数分析はその判断を数値で可視化する。
FFT（高速フーリエ変換）を使うと、音や振動を周波数ごとの成分に分解できる。正常なモーターは回転周波数とその整数倍（高調波）に明確なピークを持つ。異常が発生すると、正常時のピークに加えて「雑味」となる新たな周波数成分が現れる。
この変化を数値として記録することで、以下のメリットが生まれる。
- 「いつから変化し始めたか」を時系列で追跡できる
- 異常の種類をパターンで識別できる（ベアリング欠陥周波数、歯車噛み合い周波数など）
- 個人の経験に頼らず、データで判断基準を統一できる
日本の予兆検知ソリューション市場は2023年度に前年度比7.5%増の187億円となり、2028年度には308億円への成長が見込まれている（PC-Webzine調べ）。周波数分析を含む音響・振動診断への関心は、製造業全体で急速に高まっている。
AI診断の活用と現場への適用
周波数分析の課題は「解析に専門知識が必要」という点だ。FFTスペクトルを見ても、どのピークが正常でどれが異常かは、経験のある技術者でなければ判断が難しい。
近年、この課題を解決するAI音響診断ソリューションが実用段階に入っている。主な特徴を整理する。
- 正常時の音を学習データとして記録し、その変化を自動で検知する
- 人の耳では聞き取れない周波数帯の変化も捉えられる
- 熟練技術者の感覚をAIが補完し、経験不問で判定できる
三菱電機のVisibleWaveは、AI技術を搭載した音振動診断システムで、学習閾値の自動生成により設定工数を90%削減している。SOINNの「A-1」はわずか12時間の学習で異常検知を開始できるという（各社発表資料より）。
スマートフォンのマイクを使ったアプローチも実用化されている。専用センサーが不要なため、初期費用をほぼゼロに抑えながらAI音響診断を現場に導入できる。
異音診断の記録と管理をどう運用するか
異音診断は「一度やったら終わり」ではなく、継続的なデータ蓄積が精度を上げる。以下の運用サイクルが実践的だ。
記録すべき情報
- 診断日時・設備名・測定箇所
- 負荷状態（定格・無負荷など）
- 音の録音データまたは周波数スペクトル
- 温度・振動の実測値
- 担当者の所見（音質、音量の主観評価）
判断の目安となる変化量
振動速度が正常時の2倍を超えた場合は精密点検の目安とされることが多い。音圧レベルで言えば3dBの上昇は音のエネルギーが約2倍になることを意味しており、変化量の指標として使いやすい。
記録を継続することで、設備ごとの劣化傾向が見えてくる。「このモーターは6ヶ月ごとにグリスアップすれば異音が収まる」「この設備は稼働2年後にベアリング交換が必要になる傾向がある」といったデータが蓄積されれば、保全計画の精度が大幅に上がる。
📱 PlantEar → 👉 無料で試す
PlantEarは録音データを蓄積して異常の予兆を継続監視する。定期点検のルーティンに組み込むだけで、AI診断の記録が自動的に積み上がっていく。
まとめ
モーターの異音診断は、「音の種類」「変化のタイミング」「発生箇所」の3点を組み合わせて判断する。代表的な異音パターンと原因の対応関係を理解することが、グレーゾーンの判断精度を上げる第一歩だ。
本記事の要点をまとめる。
- 正常音は一定の音質・音量が安定しており、回転数の整数倍の周波数成分が主体
- ゴロゴロ・キーン・ジャーなどの音質はそれぞれ異なる損傷モードを示す
- 判断は「起動時か定常時か」「変化速度」「温度・振動との複合確認」が基本
- 周波数分析（FFT）で変化を数値化すると、経験に頼らない客観的な判断が可能になる
- AI音響診断は学習データを蓄積することで、設備ごとの異常パターンを自動で識別できる
- 日本の予兆検知市場は187億円規模（2023年度）で、AI活用の裾野は確実に広がっている
熟練者の「耳」に頼るだけでは、技術継承の問題と判断の個人差が避けられない。周波数分析やAI診断を取り入れることで、誰でも再現できる診断体制を構築できる。
姉妹サービスの関連記事
GenbaCompassの姉妹サービスでも、現場改善に役立つ記事を公開している。
現場改善に役立つ関連アプリ
GenbaCompassでは、PlantEar以外にも現場のDXを支援するアプリを提供している。
| アプリ名 | 概要 | こんな課題に |
|---|---|---|
| WhyTrace Plus | AI支援による5Why分析ツール | 設備トラブルの根本原因究明 |
| 安全ポスト+ | 現場ヒヤリハット管理 | 設備周辺の危険情報の見える化 |
| AnzenAI | AI安全書類作成支援 | 保全作業の安全管理文書作成 |
| 技術伝承AI | ベテラン保全技術のデジタル化 | 設備診断ノウハウの継承 |
| DXスコープ診断 | 現場DX成熟度診断 | 保全DXの現状把握と優先課題整理 |
参考資料
